没有合适的资源?快使用搜索试试~ 我知道了~
针对多约束路由选择问题,设计了数学模型并提出了一种改进的免疫克隆蛙跳算法。所提方法结合了免疫克隆算法与传统蛙跳算法,在分组丢失率、链路带宽、时延抖动、时延、能量损耗条件的限制下,计算源节点到终端节点的能量损耗,通过所提算法寻找一条能量损耗最小的路径。在仿真实验中,将所提算法与自适应遗传算法、自适应蚁群算法进行了对比。实验结果表明,所提算法在一定程度上解决了多约束QoS单播路由优化问题,与自适应遗传算法与自适应蚁群算法相比,所提算法避免了局部最优,有效地降低了数据在传输路径上的能量损耗。
资源推荐
资源详情
资源评论
2020 年 5 月 Journal on Communications May 2020
第 41 卷第 5 期 通 信 学 报 Vo l .41
No.5
基于改进的免疫克隆蛙跳算法的多约束 QoS 路由优化研究
卢毅,徐梦颖,周杰
(石河子大学信息科学与技术学院,新疆 石河子 832003)
摘 要:针对多约束路由选择问题,设计了数学模型并提出了一种改进的免疫克隆蛙跳算法。所提方法结合了免
疫克隆算法与传统蛙跳算法,在分组丢失率、链路带宽、时延抖动、时延、能量损耗条件的限制下,计算源节点
到终端节点的能量损耗,通过所提算法寻找一条能量损耗最小的路径。在仿真实验中,将所提算法与自适应遗传
算法、自适应蚁群算法进行了对比。实验结果表明,所提算法在一定程度上解决了多约束 QoS 单播路由优化
问题,与自适应遗传算法与自适应蚁群算法相比,所提算法避免了局部最优,有效地降低了数据在传输路径
上的能量损耗。
关键词:蛙跳算法;服务质量优化;路由优化;遗传算法;蚁群优化算法
中图分类号:TP212.6
文献标识码:A
doi: 10.11959/j.issn.1000−436x.2020102
Multi-constraints QoS routing optimization based on improved
immune clonal shuffled frog leaping algorithm
LU Yi, XU Mengying, ZHOU Jie
College of Information Science and Technology, Shihezi University, Shihezi 832003, China
Abstract: Aiming at the multi-constraint routing problem, a mathematical model was designed, and an improved immune
clonal shuffled frog leaping algorithm (IICSFLA) was proposed, which combined immune operator with traditional
SFLA. Under the constraints of bandwidth, delay, packet loss rate, delay jitter and energy cost, total energy cost from the
source node to the terminal node was computed. The proposed algorithm was used to find an optimal route with mini-
mum energy cost. In the simulation, the performance of IICSFLA with adaptive genetic algorithm and adaptive ant colo-
ny optimization algorithm was compared. Experimental results show that IICSFLA solves the problem of mul-
ti-constraints QoS unicast routing optimization. The proposed algorithm avoids local optimum and effectively reduces
energy loss of data on the transmission path in comparison with adaptive genetic algorithm and adaptive ant colony opti-
mization algorithm.
Key words: shuffled frog leaping algorithm, QoS optimization, routing optimization, genetic algorithm, ant colony opti-
mization algorithm
1 引言
随着无线通信技术的迅速发展,无线传感器
网络(WSN, wireless sensor network)已成为研究
热点之一。由于其低能耗、低成本、数据存储能
力强、无线通信能力强、自组织等特点,WSN 的
应用领域越来越广,包括智能家居、交通、农田
监测等
[1]
。
无线传感器网络由众多具备信号传输与计算
性能的传感器节点通过自组织网络的形式构成,其
收稿日期:2019-09-04;修回日期:2020-01-10
通信作者: 周杰,jiezhou@shzu.edu.cn
基金项目:兵团中青年科技创新领军人才计划基金资助项目(No.2018CB006)
Foundation Item: Corps Young and Middle-Aged Science and Technology Innovation Leadership Talents Project (No.2018CB006)
·142· 通 信 学 报 第 41 卷
主要特点是以数据为中心,且具备一定的网络规
模与拓扑结构以满足感知信息的传输、处理、存
储、显示、记录和控制要求
[2-3]
。在农业方面,
WSN 主要应用于温室大棚的温湿度采集控制、节
水灌溉、土壤 pH 值测量、动植物种群复杂度的
监测等。
服务质量(QoS, quality of service)优化是无线
传感器网络单播路由优化中待解决的一项难题,该
问题是一个 NP 完全问题,传统的算法在优化该问
题时效果并不理想
[4-5]
。研究人员希望有限的无线传
感器网络能量能够被网络系统高效使用,使数据在
链路中的传输能耗最小,同时不影响传输链路的其
他指标。这也是单播路由优化问题中的一个重要任
务。然而,QoS 受许多因素的影响,包括时延、链
路带宽、时延抖动、分组丢失率等
[6-8]
。实时无线
通信过程中数据的传输受到上述因素的限制,可
能会影响用户的视觉体验和听觉体验
[9]
。无线传
感器网络可以抽象为图论中的有向图,节点与节
点之间存在许多链路。链路上的数据受时延、链
路带宽、时延抖动、分组丢失率的影响,源节点
与终端节点之间存在多条可行路径,所以优化的
目的是在满足以上约束条件的前提下找到一条能
量损耗最小的路径。
在过去的研究中,研究人员通过多种智能仿生
算法解决和优化上述问题,例如遗传算法(GA,
genetic algorithm)、蚁群优化(ACO, ant colony
optimization)算法、粒子群优化(PSO, particle swarm
optimization)算法等
[10-12]
。文献[13]提出了一种用
于单播多约束优化的遗传算法,但是在算法的迭代
过程中,交叉和变异步骤没有进行改进,产生的路
径极可能为不可行路径,从而无法找到有效解。文
献[14]提出一种蚁群优化算法进而优化带约束的服
务质量路由问题,但是该算法计算复杂度较高。在
无线传感器网络中,为了保证服务质量,路径要
满足传输损耗最小的条件,同时保证通信质量。
文献[15]提出了一种改进的萤火虫算法用于保证电
力通信,该算法用于优化网络链路带宽、时延和分
组丢失率,通过混沌编码提高种群的多样性,实验
结果表明,该方法有效地优化了网络资源,能够找
到一条满足电力通信业务的有效路由。针对多约束
条件下的路由选择问题,文献[16]提出了一种新的
路由选择算法,该方法在萤火虫算法的基础上结合
了量子进化算法,有效解决了无线路由协议中的路
由选择问题,但随着问题规模的增加,计算时间大
大增加。
蛙跳算法(SFLA, shuffled frog leaping algo-
rithm)是近年来被提出的仿生学优化算法,它具
备概念简单、参数极少、计算速度快、优秀的全
局搜索能力、实现简便等优点
[17-19]
。SFLA 自从
被提出之后就受到普遍关注,现已经应用于水资
源节能灌溉、电线电缆的排序等领域。SFLA 通
过种群编码、种群初始化、计算适应度、子种群
划分、局部搜索和全局搜索来提高求解质量。在
算法操作过程中,种群被分为几个子种群,不同
的子种群具有不同的信息,对每一个子种群进行
局部搜索,通过子种群的进化求优化解,经过一
定时间的进化和跳跃过程,最后进行全局搜索,
直到收敛或者达到标准。
为了优化 QoS 单播路由问题,本文建立了数学
模型,路由选择需要满足传输路径上产生的时延抖
动、分组丢失率、时延、链路带宽等限制条件,在
此基础上找到一条数据从源节点出发到终端节点
间所需能量损耗最低的路径。为了找到最优路径,
本文提出了一种改进的免疫克隆蛙跳算法
(IICSFLA, improved immune clonal shuffled frog
leaping algorithm),该算法结合了传统蛙跳算法与
免疫克隆算法的优点。对于优化复杂问题,所提算
法可以加快算法收敛速度,并避免局部最优,在搜
索过程中通过结合变异算子不断向最优解靠近,保
证了算法的稳健性、收敛性、自适应性。在仿真实
验中,将改进的免疫克隆蛙跳算法的性能与自适应
遗传算法和自适应蚁群算法的性能进行了对比,仿
真结果显示,所提算法有效地降低了数据在传输路
径上的能耗,同时满足了其他多项约束条件。
2 系统模型
本节介绍多条件限制的 QoS 单播路由优化模
型。无线传感器网络的图论模型可以看作一组传感
器的节点集合和节点之间的链路集合,用 (, )GV E
表示。用图论方法表示源节点、终端节点、多个中
继节点和链路时,节点集合包括源节点
1
v 、终端节
点
n
v 和多个中继节点
21n
vv
−
→→… ,源节点为第 1
个节点,中继节点为第 2~第
n−1 个节点,终端节
点则为第
n 个节点。从源节点至终端节点的链路可
以表示为
112
(, ) { }
nn
pv v v v v=→→→… 。
每一段链路都由 2 个节点构成,假设相邻的 2 个
剩余8页未读,继续阅读
资源评论
weixin_38608688
- 粉丝: 3
- 资源: 934
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- goth 包提供了一种简单、干净且惯用的方式来为 Go Web 应用程序编写身份验证包 .zip
- PHP 中 Cookie 和 Session 的使用简易教程(学习笔记)
- SoftEther VPN Client + VPN Gate Client 插件
- GoRequest-简化的HTTP客户端(受nodejs SuperAgent启发).zip
- 主要物体检测15-YOLO(v5至v9)、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar
- Google Maps API Web 服务的 Python 客户端库.zip
- Google Authenticator 服务器端代码.zip
- logo标志检测26-YOLOv7、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar
- golang 的算法和数据结构.zip
- Vue + SpringBoot前后端项目实例
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功